Das Datenwachstum der letzten Jahre ist enorm und es ist kein Ende in Sicht. Eine der größten Veränderungen in der heutigen Geschäftswelt ist die Transformation von isolierter und projektorientierter Datennutzung hin zu einem vollständig datengesteuerten Unternehmen.

welcher_weg

Dabei geht es um strukturierte Daten aus Unternehmensanwendungen, aber auch um Markt- oder Social-Media-Daten sowie Maschinendaten aus der Produktion. Dies stellt Unternehmen zum einen vor große Herausforderungen, birgt aber auch enorme Chancen. Es gilt, diese Datenflut zu beherrschen, zusätzlich aber auch die richtigen Schlüsse aus den Daten zu ziehen. Heutzutage sind diejenigen Unternehmen wettbewerbsfähig, die es schaffen, alle Entscheidungen und Prozesse innerhalb eines Unternehmens auf Daten zu basieren. Die richtigen Daten in der richtigen Qualität zum richtigen Zeitpunkt zur Verfügung zu haben, diese sinnvoll zusammenzuführen, schnell und flexibel neue Erkenntnisse daraus zu ziehen und diese Erkenntnisse auch umzusetzen ist ein enormer Wettbewerbsvorteil.

Zwar waren für Unternehmen schon immer ihre Kennzahlen wichtig, der Umfang der wirklichen Datennutzung hat sich aber in den letzten Jahren gesteigert. Das Hauptziel besteht nun darin, ein Bauchgefühl mit Daten zu unterlegen.

Voraussetzung dafür ist eine Unternehmenskultur, die den Daten die entsprechende Aufmerksamkeit und das Vertrauen schenkt und dabei alle Mitarbeiter einbezieht, um das Potential des Unternehmens voll auszuschöpfen. Die Basis dafür schafft die IT: Mit der richtigen Infrastruktur gelingt es heutzutage, flexibel zu skalieren.

Was aber sind die Rahmenbedingungen und die richtigen Schritte für den „Einstieg“ in einen kulturellen Wandel hin zu einem datengesteuerten Unternehmen?

 

In 7 Schritten zum datengesteuerten Unternehmen:

1. Erarbeitung der Datenstrategie und deren Validierung

Im ersten Schritt ist es wichtig, dass Sie zunächst einmal eine Strategie für die eigenen Herausforderungen und Daten entwickeln. Anschließend ist es möglich, auf Basis dieser Strategie einzelne Business Cases zu identifizieren und hierfür die richtigen Daten und Tools auszuwählen. Nach der Umsetzung und durch die Validierung der Ergebnisse ergeben sich viele neue Erkenntnisse, die es erlauben, Anpassungen vorzunehmen und den eingeschlagenen Weg zu optimieren. So entwickelt sich eine Vorgehensweise für die Umsetzung auf das gesamte Unternehmen. Vom Kleinen ins Große, oder eben von einem einzelnen Business Case zum gesamten Unternehmen.

Ein Big-Bang ist also weder erstrebenswert noch das richtige Mittel. Eine datengetriebene Unternehmenskultur benötigt Zeit und die Möglichkeit, sich zu entwickeln. Datengesteuerte Unternehmen haben dabei auf jeden Fall eine Gemeinsamkeit: Sie haben Topmanager, die die Erwartung haben, dass Entscheidungen in Daten verankert werden müssen und mit gutem Beispiel vorangehen. Das verbreitet sich nach unten, da die Mitarbeiter, die ernst genommen werden wollen, mit den Führungskräften zu ihren Bedingungen und in ihrer Sprache kommunizieren müssen.


2. Die Infrastruktur 

Ausgehend von der Datenstrategie und den eigenen Zielen muss die Entscheidung für die richtige IT-Infrastruktur und -Architektur getroffen werden. Ob man sich für eine OnPremise-, Cloud-, Multi-Cloud- oder Hybrid-Landschaft entscheidet, ist sehr individuell. Grundsätzlich muss flexibel agiert und skaliert werden können. „Die Cloud“ hat dabei in vielen Unternehmen schon Einzug gehalten, da die Vorteile auf der Hand liegen: Relativ einfach lassen sich neue Anwendungen erschaffen oder Prozesse beschleunigen. Dabei ist es gar nicht notwendig, immer nur an Big Data, Data Lakes oder ähnliches zu denken. Auch die Einbindung von neuen Technologien lässt sich relativ einfach auch mal ausprobieren und genauso schnell entweder in produktiven Betrieb überführen oder eben auch wieder einstampfen.


3. Die richtigen Kennzahlen identifizieren 

Durch die Festlegung auf die richtigen Kennzahlen haben Manager mächtige Werkzeuge an der Hand, um ihre Mitarbeiter zu steuern. Wenn sich Mitarbeiter an Kennzahlen orientieren, diese kontinuierlich vorhersagen und diese Vorhersage immer wieder verbessern, stehen die notwendigen Daten für diese Kennzahlen ganz automatisch gleich mit im Fokus.


4. Vertrauen in die Daten und das Team

Sehen Sie einen Data Scientist nicht als das eine „Allround-Genie“ an. Zu komplex ist der Datenkorpus aus Informatik, Prognostik, Statistik und nicht zuletzt Fachexpertise. Diese Komplexität kann nur von einem starken Team separiert, untersucht, aufbereitet und in einen aussagekräftigen Kontext gebracht werden.

Häufig herrscht Misstrauen gegenüber Data Scientists. Die klugen Köpfe werden als „Zahlenschieber“ und „IT-Nerds“ abgetan. Ein fataler Fehler. In solch einem Umfeld kann sich kein Team entfalten. Ein angemessenes Arbeitsklima gilt (auch) für jeden datenwissenschaftlichen Arbeitserfolg als Grundvoraussetzung. Unternehmen müssen die Experten integrieren und sich auch auf sie zu bewegen. So entsteht eine Vertrauenskultur, die elementar wichtig für den Erfolg ist.

 

5. Data Governance

Erarbeiten Sie zu Beginn sinnvolle Regeln für die Einhaltung von Data-Governance-Richtlinien. Die eindeutige Definition des Begriffs „Data Governance“ ist dabei schwierig – im Grunde ist unter Data Governance jedoch das ganzheitliche Management von Daten unter spezifischen Richtlinien zu verstehen. Letztere umfassen Regeln für das Meta-Daten-Management, die Datenqualität und die Compliance.

Damit ein Unternehmen datengesteuert arbeiten kann, ist neben der Datenqualität vor allem der Zugriff auf die Daten zu regeln. Nicht alle Daten müssen oder dürfen ohne Einschränkung im Zugriff von allen sein. Wenn Sie aber zu restriktiv vorgehen, werden durch organisatorische Grenzen von Anfang an jegliche Bemühungen zunichte gemacht. Zumindest sollte soviel Zugriff gewährt werden, dass die ausgewählten Kennzahlen problemlos analysiert und vorhergesagt werden können.

 

6. Einheitlicher Datenkatalog

Im Prinzip ist der Datenkatalog ein Teilbereich der Data Governance, aber so ein wichtiger, dass ein eigener Schritt in der Betrachtung sinnvoll ist. Durch einen einheitlichen Kennzahlen- und Datenkatalog sparen Sie Zeit und steigern die Qualität. Wie oft erlebt man in der Praxis, dass zwar vom gleichen Kennzahlenbegriff gesprochen wird, sich aber dahinter eine widersprüchliche Definition verbirgt. Schafft man es in einem System eventuell noch, eine gleiche Sichtweise für eine Kennzahl zu haben, ist das bei der Einbeziehung des gesamten Unternehmens und einer Vielzahl von Datenquellen nicht mehr möglich. Hier hilft ein zentraler Datenkatalog zur Beschreibung der Metadaten mit Herkunft, Inhalt und Verwendungsnachweis für einzelne Datensätze und Kennzahlen. Das spart enorm viel Zeit, stärkt das Vertrauen und vereinheitlicht die Sichtweise.


7. Bewusst Unsicherheiten ermöglichen 

Absolute Sicherheit ist nicht möglich. Versuchen Sie deswegen die Unsicherheiten zu ermitteln bzw. verlangen Sie von Ihren Mitarbeitern, die Unsicherheit mit anzugeben. Dadurch schaffen Sie es, dass sich Manager und operative Einheit im Dialog mit den Unsicherheiten auseinandersetzen. Das Vertrauen in die Daten wird dadurch gestärkt, auch weil man dazu gezwungen ist, sich mit den Kennzahlen und Modellen intensiv auseinander zu setzen.

 

Fazit

Die Erfahrung zeigt, dass die beschriebenen Schritte zur Orientierung gut geeignet sind. Trotzdem ist der Weg für jedes Unternehmen individuell – vor allem weil sich auch die Ziele häufig unterscheiden. Um sich für die Zukunft zu rüsten, ist es wichtig, dass Sie Ihren Weg finden und den nächsten Schritt gehen. Am besten mit einem Partner wie Five1.

Wenn Sie sich für eine Cloud-Lösung entscheiden, gibt es wiederum eine erprobte Abfolge von Schritten, damit die Umsetzung gelingt. Lesen Sie mehr dazu in unserem kostenlosen Whitepaper.

Neuer Call-to-Action

 

Veröffentlich am 4.3.2020

Thema: Datenstrategie, datengesteuertes Unternehmen, Wettbewerbsdruck, Datenwachstum, datengetriebene Unternehmenskultur